Python 튜토리얼

이번은 "Bayesian Optimization"입니다.

Bayesian Optmization은 하이퍼 파라미터 튜닝과 관련된 내용입니다.

우리가 흔히 알고 있는 하이퍼 파라미터 튜닝은 Grid Search, Random Search입니다.

하지만 그 2가지에는 공통적인 문제점이 있습니다.

"최적의 값을 찾아갈 수 없다"라는 문제점입니다.

이를 해결하기 위한 방법 중 하나가 "Bayesian Optimization"입니다.

Bayesian Optimization은 보통

1. "Gausain Process"라는 통계학을 기반으로 만들어진 모델로,
2. 여러개의 하이퍼 파라미터들에 대해서,
3. "Aqusition Fucntion"을 적용했을 때,
4. "가장 큰 값"이 나올 확률이 높은 지점을 찾아냅니다.

자세한 수식과 증명은 생략하겠습니다.

우리가 다룰 Bayesian Optimization 패키지에서는 (링크)

다음과 같은 단계가 필요합니다.

1. 변경할 하이퍼 파라미터의 범위를 설정한다.
2. Bayesian Optimization 패키지를 통해, 하이퍼 파라미터의 범위 속 값들을 랜덤하게 가져온다.
3. 처음 R번은 정말 Random하게 좌표를 꺼내 성능을 확인한다.
4. 이후 B번은 Bayesian Optimization을 통해 B번만큼 최적의 값을 찾는다.

이번 시간 실습에서는 Bayesian Optimization을 사용하기 위한 준비를 해보겠습니다.

---------------------------------------------------------------------------------------------------

# bayesian-optimization을 설치해보세요

pip install bayesian-optimization

# bayes_opt 패키지에서 BayesianOptimization을 불러와보세요

from bayes_opt import BayesianOptimization

---------------------------------------------------------------------------------------------------

[Colab 실습 링크]

↩️ 오늘의 파이썬 리스트

#데이콘_101 #AI #머신러닝 #딥러닝 #파이썬 #파이선  #데이터분석 #데이터사이언티스트 #코랩 #Python  #colab #kaggle #pandas #numpy #sckit-learn # read_csv